◇宿遷學(xué)院文理學(xué)院 姜 楠

科技創(chuàng)新是增強(qiáng)國(guó)家核心競(jìng)爭(zhēng)力的關(guān)鍵，提高區(qū)域科技創(chuàng)新能力是推動(dòng)經(jīng)濟(jì)和社會(huì)發(fā)展的重要因素。本文從科技創(chuàng)新能力的內(nèi)涵出發(fā)，選取評(píng)價(jià)區(qū)域科創(chuàng)能力的指標(biāo)。運(yùn)用描述性統(tǒng)計(jì)分析、因子分析和聚類分析三種方法，分析評(píng)價(jià)各地區(qū)科技創(chuàng)新能力，并對(duì)政府和科技創(chuàng)新主體建言獻(xiàn)策。

1 引言

1.1 研究背景及意義

自1978年以來(lái)，我國(guó)面臨日益復(fù)雜的國(guó)際環(huán)境，如金融危機(jī)、中美貿(mào)易戰(zhàn)、新冠疫情等，這些對(duì)我國(guó)各區(qū)域的科技創(chuàng)新能力的提升造成了一定的干擾。因此，擴(kuò)大對(duì)科技創(chuàng)新能力指標(biāo)監(jiān)測(cè)范圍，構(gòu)建能科學(xué)、有效、及時(shí)反應(yīng)地區(qū)科技創(chuàng)新能力的指標(biāo)評(píng)價(jià)體系，成為當(dāng)前經(jīng)濟(jì)領(lǐng)域的熱點(diǎn)研究方向。

在地方的企業(yè)、學(xué)校、政策等各種科技創(chuàng)新主體和因素相互影響下，各區(qū)域的科技創(chuàng)新能力大相徑庭[1]。由于我國(guó)數(shù)字化進(jìn)程發(fā)展相對(duì)較晚，對(duì)科技創(chuàng)新能力的評(píng)級(jí)體系理論研究與實(shí)例分析尚處于起步階段，但受到互聯(lián)網(wǎng)經(jīng)濟(jì)快速發(fā)展的影響，近年來(lái)研究科技創(chuàng)新能力的學(xué)者增多，從總體的研究成果來(lái)看，其主要側(cè)重于實(shí)證研究。

唐炎釗通過(guò)模糊綜合評(píng)估模型分析區(qū)域科技創(chuàng)新能力[2]；此后張衛(wèi)國(guó)、歐晨、劉勇軍改進(jìn)求解模糊判斷矩陣的方法，建立基于LFPP-FAHP的創(chuàng)新能力評(píng)價(jià)模型[3]。鄭雨蘋(píng)、張良強(qiáng)、鄭劍鋒基于因子分析賦權(quán)法和層次分析法，選取評(píng)價(jià)指標(biāo)，實(shí)證研究福建省科技創(chuàng)新能力[4]；汪曉夢(mèng)基于主成分分析法，比較與評(píng)價(jià)了長(zhǎng)三角三市的科技創(chuàng)新能力[5]。對(duì)于分析區(qū)域科技創(chuàng)新能力，上述研究成果具有一定的幫助，但這些研究所選取的指標(biāo)不全相同，對(duì)區(qū)域科技創(chuàng)新能力的理解也不一樣。

1.2 主要研究?jī)?nèi)容

本文嘗試基于區(qū)域科技創(chuàng)新能力的內(nèi)涵，選取準(zhǔn)確、科學(xué)的評(píng)價(jià)指標(biāo)。首先對(duì)指標(biāo)數(shù)據(jù)作箱線圖與星相圖，并比較各區(qū)域差異；其次通過(guò)因子分析法得到各區(qū)域科技創(chuàng)新能力排名和影響區(qū)域創(chuàng)新能力的公共因子；然后分別基于公共因子得分和原始指標(biāo)數(shù)據(jù)做聚類分析，并比較它們的聚類差異；最后結(jié)合分析結(jié)果評(píng)價(jià)各地區(qū)科技創(chuàng)新能力，并對(duì)政府和科技創(chuàng)新主體提出相關(guān)建議。

2 指標(biāo)體系的構(gòu)建和實(shí)例分析

2.1 指標(biāo)的選取及描述性統(tǒng)計(jì)分析

為選取科學(xué)、系統(tǒng)的指標(biāo)，查閱《國(guó)家創(chuàng)新調(diào)查檢測(cè)評(píng)價(jià)指標(biāo)體系》以及相關(guān)文獻(xiàn)，考慮統(tǒng)計(jì)口徑和數(shù)據(jù)的易獲取性，選擇14個(gè)指標(biāo)（見(jiàn)表1）。

表1 區(qū)域科技創(chuàng)新指標(biāo)集

為了解指標(biāo)數(shù)據(jù)的分布情況和各區(qū)域樣本變量的觀測(cè)數(shù)據(jù)特性，對(duì)全國(guó)各個(gè)地區(qū)的14項(xiàng)指標(biāo)數(shù)據(jù)繪制相應(yīng)的箱線圖（見(jiàn)圖1）與星相圖（見(jiàn)圖2）。

圖1 14項(xiàng)指標(biāo)箱線圖

圖2 各區(qū)域星相圖

圖1給出了所選指標(biāo)數(shù)據(jù)的偏度與異常值分布情況。從中可以發(fā)現(xiàn)，除指標(biāo)4和指標(biāo)6，其余各指標(biāo)數(shù)據(jù)有較為明顯的偏度。除了指標(biāo)1和指標(biāo)14，其余各指標(biāo)數(shù)據(jù)都存在異常值，特別是指標(biāo)12中的北京市尤為突出，遠(yuǎn)高于其他地方，形成異常值。

從圖2發(fā)現(xiàn)全國(guó)各個(gè)省、市、自治區(qū)的指標(biāo)數(shù)據(jù)的觀測(cè)特性，即北京、廣東、上海、山東、江蘇、浙江這六個(gè)地區(qū)的科技創(chuàng)新能力顯著，其他各區(qū)域科技創(chuàng)新能力不盡相同且不顯著。

2.2 區(qū)域科技創(chuàng)新能力的因子分析和聚類分析處理

因子分析法基于降維思想，把多個(gè)變量綜合為少數(shù)變量。即考慮變量間的相關(guān)關(guān)系，把相關(guān)性較高的放在同一類，反之在不同的類中，每一類變量代表一個(gè)公共因子[7]。

聚類分析是一種基于數(shù)據(jù)特征的分類方法，首先確定一定規(guī)則，然后按此規(guī)則把具有較大相似性的對(duì)象分在同一類，差異較大的分在不同的類中。

為檢驗(yàn)各指標(biāo)間的獨(dú)立性及判定樣本是否能用于因子分析，對(duì)表1中選取的14個(gè)指標(biāo)數(shù)據(jù)進(jìn)行相關(guān)性分析，這里使用KMO和Bartlett檢驗(yàn)（見(jiàn)表2）。

表2 KMO和Bartlett的檢驗(yàn)

表2給出所選指標(biāo)的KMO和Bartlett檢驗(yàn)結(jié)果。從中可以發(fā)現(xiàn)，樣本數(shù)據(jù)的KMO檢驗(yàn)值為0.832，根據(jù)Kaiser給出的度量標(biāo)準(zhǔn)，本樣本適合作因子分析，而B(niǎo)artlett檢驗(yàn)值小于顯著性水平0.05,拒絕原假設(shè),因此可進(jìn)行因子分析。

下面對(duì)數(shù)據(jù)進(jìn)行降維處理。在對(duì)標(biāo)準(zhǔn)化后的指標(biāo)數(shù)據(jù)進(jìn)行相關(guān)性分析后，提取所選指標(biāo)的公因子并計(jì)算相應(yīng)的矩陣特征值和累計(jì)方差貢獻(xiàn)率（見(jiàn)表3）。

表3 矩陣特征值和累計(jì)方差貢獻(xiàn)率

從表3可以得到前4個(gè)因子所解釋的方差貢獻(xiàn)率占90%以上，14項(xiàng)指標(biāo)的信息基本能夠通過(guò)這4個(gè)因子得到反映，所以提取前4個(gè)因子作為公共因子。

為了解釋各公共因子的含義，考慮因子旋轉(zhuǎn)，得到旋轉(zhuǎn)后的因子載荷矩陣（見(jiàn)表4）。

表4 旋轉(zhuǎn)后因子載荷矩陣

從表4可以得到各指標(biāo)對(duì)公因子的解釋程度，即因子1受地區(qū)生產(chǎn)總值X3、工業(yè)企業(yè)R&D人員量X5、工業(yè)企業(yè)R&D經(jīng)費(fèi)X6、財(cái)政科學(xué)技術(shù)地方支出X8、開(kāi)發(fā)新產(chǎn)品工業(yè)企業(yè)消費(fèi)支出X9、開(kāi)發(fā)新產(chǎn)品工業(yè)企業(yè)銷(xiāo)售收入X10、工業(yè)企業(yè)有效發(fā)明專利件數(shù)X11、第三產(chǎn)業(yè)增加值X13的影響較大，這些指標(biāo)反應(yīng)了與企業(yè)相關(guān)的信息，從而稱因子1為企業(yè)因子。根據(jù)表3可以得到企業(yè)因子對(duì)科技創(chuàng)新能力的貢獻(xiàn)率達(dá)到58.68%，反映科技型企業(yè)對(duì)地方科技創(chuàng)新能力的貢獻(xiàn)度。同理，根據(jù)各指標(biāo)對(duì)因子的解釋能力，分別稱因子2、因子3、因子4為環(huán)境因子、薪資因子和潛能因子，其對(duì)科技創(chuàng)新能力的貢獻(xiàn)率分別達(dá)到17.00%、8.80%、8.73%。

為了更清晰地呈現(xiàn)各省市的科技創(chuàng)新發(fā)展情況，以方差貢獻(xiàn)率為權(quán)數(shù)，計(jì)算綜合因子得分并排序，同時(shí)按14項(xiàng)指標(biāo)數(shù)據(jù)以及因子得分分別使用離差平方和法進(jìn)行系統(tǒng)聚類分析（見(jiàn)表5）。

表5 區(qū)域科技創(chuàng)新能力的評(píng)價(jià)結(jié)果

從表5可得，北京、上海、江蘇、浙江、安徽、福建、山東、河南、湖北、湖南和廣東這11個(gè)地方的綜合因子得分為正，其余20個(gè)省市得分均為負(fù)。這反映了我國(guó)各個(gè)地方科技創(chuàng)新能力的不平衡性。此外，北京、江蘇和廣東這3個(gè)地方的分類結(jié)果完全一致，其他區(qū)域都略有變動(dòng)，如西藏、甘肅、青海和寧夏的分類差異（在按因子得分聚類中單獨(dú)分為一個(gè)層次）。由此可見(jiàn)，以公共因子得分為依據(jù)的聚類分析的判別更為精細(xì)，主要原因在于公共因子已提取原數(shù)據(jù)的大部分重要信息[8]。

3 結(jié)論及建議

通過(guò)對(duì)2019年各地區(qū)科創(chuàng)能力的分析可發(fā)現(xiàn)，環(huán)境因素、薪資因素、潛能因素和企業(yè)因素對(duì)地區(qū)科創(chuàng)能力影響顯著，從研究的結(jié)果來(lái)看，目前我國(guó)地區(qū)科創(chuàng)能力從東部沿海向西部逐漸減弱的趨勢(shì)依舊明顯。因此，為了促進(jìn)我國(guó)科創(chuàng)能力的提升，特提出如下建議：一是優(yōu)化地區(qū)科創(chuàng)環(huán)境。加強(qiáng)地區(qū)間研究型機(jī)構(gòu)的合作，搭建企業(yè)、科研機(jī)構(gòu)供需合作平臺(tái)，提升創(chuàng)新成果產(chǎn)業(yè)化轉(zhuǎn)換效率；二是加大對(duì)地方科創(chuàng)資金投入。積極推動(dòng)提高地方金融機(jī)構(gòu)對(duì)科創(chuàng)機(jī)構(gòu)的貸款扶持力度，提高科研經(jīng)費(fèi)占地方財(cái)政的比重，避免科研機(jī)構(gòu)出現(xiàn)融資難的問(wèn)題，推動(dòng)科創(chuàng)能力發(fā)展；三是強(qiáng)化企業(yè)主體地位。促進(jìn)企業(yè)間跨地區(qū)交流，提升企業(yè)科技賦能的緊迫感和吸收創(chuàng)新成果的主動(dòng)性，挖掘整合人才資源，用好現(xiàn)有的，引進(jìn)急需的，培養(yǎng)自己的專業(yè)人才，同時(shí)地方也應(yīng)支持企業(yè)對(duì)重大科研項(xiàng)目的研究。